基于HMM的私有协议自主学习方法

针对近年来工控网络中私有协议的广泛应用,给安全研究带来许多挑战。提出基于隐马尔科夫模型的私有协议自主学习方法,仅通过流量数据得到私有协议报文结构的有限状态机模型。针对Baum-Welch算法的缺点,采用因果状态分割重建算法求解私有协议的报文结构ε机模型,避免了局部最优和由于缺乏先验知识所产生的参数选择问题。并且通过公有协议FTP、Modbus TCP以及私有协议WDB RPC对方法的有效性进行了实验验证。最后讨论了下一步的研究方向。     

基于改进投票专家算法的专有协议模糊测试方法

为了解决由于专有协议的广泛应用给模糊测试带来的严峻挑战,提出了一种将协议逆向工程和模糊测试相结合的专有协议模糊测试方法。并针对现有协议关键字提取算法n-gram将报文划分成等长子序列,造成关键字提取不够精确的弊端,提出基于有损计数算法改进的投票专家算法,为专有协议的逆向过程提供更加精准的协议关键字划分。对改进的投票专家算法和报文格式的逆向过程进行了详细说明。最后从准确提取关键字信息、协议逆向效果和对目标进行模糊测试三个方面对提出的方法进行了实验分析。并且,讨论了该方法存在的不足及未来的研究方向。